菜单总览
讲座回顾——面向柔性物体的机器人操作技术及其在3C制造业的应用

讲座回顾——面向柔性物体的机器人操作技术及其在3C制造业的应用

  • 2020.07.26
  • 新闻
7月22日,AIRS邀请清华大学李翔教授带来主题为“面向柔性物体的机器人操作技术及其在3C制造业的应用”的直播讲座,以下为讲座回顾。

        7月22日,AIRS 有幸邀请到清华大学自动化系的李翔教授为我们带来主题为“Robotic Manipulation of Deformable Objects in 3C Manufacturing”的直播讲座。讲座由我院孙正隆教授担任主持人,孙教授同时也是香港中文大学(深圳)理工学院助理教授。讲座开始,由孙教授向大家介绍李翔教授的学术生涯经历与主要研究方向。李教授简单介绍了本次讲座的主要内容:基于视觉伺服的机器人操作在柔性 PCB、USB 线制造以及柔性材料的形态控制方面的应用,以及相关的实验过程,最后是本次讲座的总结和问答环节。

        首先,李教授向大家介绍了个人的科研经历和背景,包括显微镜下细胞操作、外骨骼、手术机器人及一些工业项目。这些科研都是基于要解决机器人操作中的非结构环境、不确定性、和未知模型等共性问题。

(图一 视觉控制操作应用背景)

(图二 视觉控制操作应用前景)

        在应用前景方面,李教授表明3C(Computer, Communication and Consumer Electronics)产品目前有着巨大的需求,与之相关的制造过程,例如 flexible PCBs 和 USB wires 的制造与装配,机器人参与度不高,而且不少环节需要人工,既费时又费力,长时间工作易疲劳,导致产品质量下降、人力安全等问题。该技术的市场需求巨大,仅在苹果手机的 USB 接线环节,单季度的需求量就达到7600万,而这里面的人工环节很容易造成产品质量问题,且疲劳也易造成安全问题。同时,机器人对于可形变的物体进行操作也存在很多值得研究的问题。目前的机器人研究,往往假定机器人与物体的接触总是稳定的,且无法应用于高速场景以免失去稳定性。而李教授的团队,在机器人接触可形变物体方面的可行性,自动化程度和稳定性方面做出了贡献。

        随后,李教授先以柔性PCB焊接为例,介绍了协作焊接PCB机器人的核心设计原理。通过视觉对环境进行参数采集、结合深度、形变模型、相机模型和正向运动学的雅可比矩阵,把关节速度换算成特征速度,从而规划机器人操作路径。

(图三 焊接PCB机器人核心设计原理图)

        在此基础上,李教授展示了基于视觉的机器人柔性制造的总体控制策略方框图。控制器使机器人能够自动接触柔性 PCB 并使其主动变形至所需的形态,在自动焊接机中进行焊接。接触和主动变形的操作都可以平滑地集成到单个连续控制器中,并且可以通过在线评估物理接触来自动切换控制状态。李教授还解释了用于逼近未知变形模型和未校准相机模型的自适应神经网络技术。应用这种控制方法,闭环系统的动态稳定性可以使用 Lyapunov 方法严格证明,最后李教授展示了实验结果来说明系统控制效果。

(图四 基于视觉焊接机器人制造flexible PCBs总体控制策略方框图)

        接下来,李教授介绍了另一个基于视觉的操纵示例,即 USB 线的自动组装。它需要对四种颜色(红色,白色,绿色和黑色)进行排序,使机器抓住它们并将其放入支架中以进行机械焊接。课题组开发了一种两级分层控制策略,并将其嵌入到控制器中,其中 Level-I 负责电线的抓取和操纵,而 Level-II 负责遵循 USB 颜色代码以实现电线对齐。这个控制器可以使机器人实现自动抓取、操纵和对齐导线。之后李教授展示了两种类型的实验结果。

(图五 USB wires装配机器人基于视觉控制原理图)

(图六 可形变线性物体基于视觉机器人控制原理图)

        最后,李教授介绍了基于视觉的线性可变形物体的机器人操作研究。对于机器人来说,操作线性可变形物体(DLO,例如电线,电缆,绳索)变成所预定的形状非常困难,因为 DLO 不仅具有很高的自由度(DOF),且沿 DLO 的多个特征点具有紧密耦合的特性。为了解决相关问题,李教授提出了一种基于模型的机器人控制方案。首先将 DLO 的形状用多个特征点表示,然后把控制目标指定为一系列动态区域,在这些区域中,一个特征点可以在相应区域内自由移动,以适应其他点的移动。之后对多个特征点以顺序方式进行操作,以使可控输入始终大于或等于误差输出。李教授解释了相关的控制原理并演示了实验,这项研究非常有趣和具备启发性,给人留下非常深刻的印象。

        在演讲末尾,李教授感谢了团队的研究人员,并与线上参与的同学进行了友好的互动。

视频回顾